期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度集成神经网络的城市轨道交通短时进站客流预测
被引量：
6
1
作者
禹倩
张亚东
+2 位作者
郭进
赖培
马亮
《铁道学报》
EI
CAS
CSCD
北大核心
2023年第12期37-46,共10页
准确、可靠的城市轨道交通短时客流预测是智慧地铁的重要组成部分。现有的短时客流预测模型大多是在常态条件下提出的,在异常条件下难以获得满意的预测精度。为此,提出一种基于深度集成神经网络(deep ensemble neural network,DENN)的...
准确、可靠的城市轨道交通短时客流预测是智慧地铁的重要组成部分。现有的短时客流预测模型大多是在常态条件下提出的,在异常条件下难以获得满意的预测精度。为此,提出一种基于深度集成神经网络(deep ensemble neural network,DENN)的短时进站客流预测模型。该模型建模并整合了天气、时间和特殊事件等外部环境因素,最近时段进站客流的时间依赖性,以及出站客流的相关性,具有高度的灵活性和可扩展性。具体地,在DENN中,首先,嵌入一个门控循环单元(gated recurrent unit,GRU)网络,用于提取最近时段进站客流数据的时间依赖性;其次,引入Transformer网络,用于自适应地捕获出站客流数据中对进站客流影响最大的时段,以提取出站客流的相关性;最后,应用全连接网络编码外部环境因素和实现特征融合及预测。在上海地铁徐泾东站和上海体育场站的数值实验表明,提出方法在普遍条件下都能取得较高的预测精度。
展开更多
关键词
城市轨道交通
短时进站客流预测
多源数据
TRANSFORMER
GRU
在线阅读
下载PDF
职称材料
基于时空关联的时空图卷积神经网络城市轨道交通进站客流预测
2
作者
王润祺
郝妍熙
+2 位作者
胡华
方勇
刘志钢
《城市轨道交通研究》
北大核心
2024年第9期91-96,共6页
[目的]准确的短时客流预测对于提高超大规模城市轨道交通线网的运营和管理效率具有重要意义,而目前现有研究对于深度挖掘时空关联性仍不够充分,为此基于短时客流的时空规律提出了基于客流时空关联特征的STGCN(时空图卷积神经网络)模型。...
[目的]准确的短时客流预测对于提高超大规模城市轨道交通线网的运营和管理效率具有重要意义,而目前现有研究对于深度挖掘时空关联性仍不够充分,为此基于短时客流的时空规律提出了基于客流时空关联特征的STGCN(时空图卷积神经网络)模型。[方法]首先,通过切比雪夫图卷积网络捕捉超大规模城市轨道交通网络的空间相关性,借助门控循环单元挖掘多时空关联特征下客流的时间相关性;然后,分析待预测车站历史客流数据相关性及OD(起讫点)客流数据相关性,以深入提取时空相关性;最后,结合客流时空关联特征建立STGCN模型。[结果及结论]以上海地铁江苏路站为例,进行短时进站客流预测,结果表明采用时空关联特征参数的预测结果较未加入特征参数的预测精度提高了16%,预测效果较优。
展开更多
关键词
城市轨道交通
短时进站客流预测
时空关联性
时空图卷积神经网络
在线阅读
下载PDF
职称材料
题名
基于深度集成神经网络的城市轨道交通短时进站客流预测
被引量：
6
1
作者
禹倩
张亚东
郭进
赖培
马亮
机构
西南交通大学信息科学与技术学院
四川省列车运行控制技术工程研究中心
中国铁道科学院研究院集团有限公司国家铁路智能运输系统工程技术研究中心
出处
《铁道学报》
EI
CAS
CSCD
北大核心
2023年第12期37-46,共10页
基金
中国国家铁路集团有限公司科技研究开发计划(L2021X001)
四川省科技计划(2021YJ0070)
四川省自然科学基金(2022NSFSC1865,2022NSFSC0466)。
文摘
准确、可靠的城市轨道交通短时客流预测是智慧地铁的重要组成部分。现有的短时客流预测模型大多是在常态条件下提出的,在异常条件下难以获得满意的预测精度。为此,提出一种基于深度集成神经网络(deep ensemble neural network,DENN)的短时进站客流预测模型。该模型建模并整合了天气、时间和特殊事件等外部环境因素,最近时段进站客流的时间依赖性,以及出站客流的相关性,具有高度的灵活性和可扩展性。具体地,在DENN中,首先,嵌入一个门控循环单元(gated recurrent unit,GRU)网络,用于提取最近时段进站客流数据的时间依赖性;其次,引入Transformer网络,用于自适应地捕获出站客流数据中对进站客流影响最大的时段,以提取出站客流的相关性;最后,应用全连接网络编码外部环境因素和实现特征融合及预测。在上海地铁徐泾东站和上海体育场站的数值实验表明,提出方法在普遍条件下都能取得较高的预测精度。
关键词
城市轨道交通
短时进站客流预测
多源数据
TRANSFORMER
GRU
Keywords
urban rail transit
short-term inbound passenger flow forecasting
multi-source data
Transformer
GRU
分类号
U239.5 [交通运输工程—道路与铁道工程]
在线阅读
下载PDF
职称材料
题名
基于时空关联的时空图卷积神经网络城市轨道交通进站客流预测
2
作者
王润祺
郝妍熙
胡华
方勇
刘志钢
机构
上海工程技术大学城市轨道交通学院
出处
《城市轨道交通研究》
北大核心
2024年第9期91-96,共6页
基金
上海市科委地方院校能力建设项目(19030501400)
国家自然科学基金项目(52072235)。
文摘
[目的]准确的短时客流预测对于提高超大规模城市轨道交通线网的运营和管理效率具有重要意义,而目前现有研究对于深度挖掘时空关联性仍不够充分,为此基于短时客流的时空规律提出了基于客流时空关联特征的STGCN(时空图卷积神经网络)模型。[方法]首先,通过切比雪夫图卷积网络捕捉超大规模城市轨道交通网络的空间相关性,借助门控循环单元挖掘多时空关联特征下客流的时间相关性;然后,分析待预测车站历史客流数据相关性及OD(起讫点)客流数据相关性,以深入提取时空相关性;最后,结合客流时空关联特征建立STGCN模型。[结果及结论]以上海地铁江苏路站为例,进行短时进站客流预测,结果表明采用时空关联特征参数的预测结果较未加入特征参数的预测精度提高了16%,预测效果较优。
关键词
城市轨道交通
短时进站客流预测
时空关联性
时空图卷积神经网络
Keywords
urban rail transit
short term inbound passenger flow prediction
spatio-temporal correlation
spatio-temporal graph convolutional neural network
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
U293.13 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度集成神经网络的城市轨道交通短时进站客流预测
禹倩
张亚东
郭进
赖培
马亮
《铁道学报》
EI
CAS
CSCD
北大核心
2023
6
在线阅读
下载PDF
职称材料
2
基于时空关联的时空图卷积神经网络城市轨道交通进站客流预测
王润祺
郝妍熙
胡华
方勇
刘志钢
《城市轨道交通研究》
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
